- 人类群集动力学的认知机制;
- 随机几何图谱的谱统计;
- 社会网络极端主义宣传的传染动力;
- 衡量在线政治话语的演讲;
- 二维指数来量化科学研究的影响和范围;
- 通过parenclitic网络分析检测信用卡欺诈;
- 计算机病毒造成的损害：一种新的估计方法;
- 估计接近中心性排名的更快的方法;
- 时间事件图;
- 使用文献计量学作为衡量研究活动的工具;
- 动态网络层次变化点检测;
- 大图上的归纳表示学习;
- 英国大选2017：Twitter分析;
- 通过复合隔室模型建模流感样疾病;
人类群集动力学的认知机制
地址： http://arxiv.org/abs/1506.05410
作者： Seth Frey, Robert L. Goldstone
摘要： 已经提出了低层次的“适应性”和更高层次的“复杂”人类推理过程，在人群恐慌，交通拥堵和市场泡沫等不可预测的集体行为的出现中发挥相应的作用。虽然适应性过程在紧迫社会复杂性的机械理论中是普遍存在的，但互补理论理解激励，教育和其他诱导理性，能够抑制这种结果。我们在一系列实验室实验中显示，复杂的推理过程可以支持它们，而不是抑制复杂的社会动态。我们的实验分组引发群体行为，并表明它是由人的能力推动的，以递归地预测别人的推理。我们在三种不同的博弈 - 美容，模型博弈和跑道博弈 - 中识别出这种复杂的群集，其中博弈理论预测没有正式的相似性。复杂的植根于不相关的博弈类型的持续性不仅与现象的健壮性有关，而且还表明人们将三种理论上不同的决策设置视为概念上相似的，暗示了第二种复杂的认知能力：人类观念形成。我们还发现参与者的根本推理是，他们执行的递归数量不受任何个人的认知能力的限制，而是受到群众出现的社会规范的限制。通过涉及复杂动力学中的递归推理和概念形成，我们支持跨学科观点，即使是最聪明的人群和精心设计的社会系统，出现的复杂性也是典型的。
随机几何图的谱统计
地址： http://arxiv.org/abs/1608.01154
作者： Carl P. Dettmann, Orestis Georgiou, Georgie Knight
摘要： 我们使用随机矩阵理论来研究随机几何图的谱，这是空间网络的基本模型。考虑到随机几何图的集合，我们通过最近邻和谱刚度Delta_3统计量来观察谱的水平间隔中的短距离相关性和下一个最近邻间距分布以及长距离相关。这些水平间距的相关性给出了关于特征向量的本地化，社区结构水平和网络内的随机性水平的信息。我们发现泊松与高斯正交集合统计之间的参数相关过渡。那就是空间随机几何图谱的谱统计符合其他模型如Erdos-Renyi，Barabasi-Albert和Watts-Strogatz随机图中所发现的随机矩阵理论的普遍性。
社会网络极端主义宣传的传染动力
地址： http://arxiv.org/abs/1701.08170
作者： Emilio Ferrara
摘要： 孤儿狼袭击者或睡眠者细胞对美国和欧洲土地上的ISIS进行的最近的恐怖袭击提醒了我们了解社会媒体传播渠道介导的激进化动态的重要性。在本文中，我们揭示了一批二千五百万用户的社交媒体活动，他们与ISIS在线激进宣传的关联已被手动验证。通过使用称为动态活动连接图的计算工具，基于网络和时间活动模式，我们调查ISIS支持者中社会影响的动态。我们最终通过确定普遍人群中采用极端主义内容并绘制激进宣传和流行病传播之间的平衡，从而量化了ISIS宣传的有效性，强调信息广播机构和有影响力的ISIS支持者产生高度传染性的信息传染性级联。我们的调查结果将有助于产生有效的对策来对抗群体和其他形式的在线极端主义。
衡量在线政治话语的演讲
地址： http://arxiv.org/abs/1706.01875
作者： Rishab Nithyanand, Brian Schaffner, Phillipa Gill
摘要： 互联网和网络论坛如Reddit已成为公民参与政治对话的越来越受欢迎的媒介。然而，使用假名身份的能力所产生的在线消除效应可能以冒犯性言论的形式表现出来，从而使政治讨论更具侵略性，更偏向于已经存在的。这种环境可能导致其目标的骚扰和自我审查。在本文中，我们提出了大规模时间测量的初步结果，旨在量化在线政治讨论中的进攻。为了实现我们的测量，我们开发和评估一个令人反感的语音分类器。然后我们使用这个分类器量化和比较政治和一般情况下的进攻。我们使用2015年1月至2017年1月间超过7M的假名超过168M的评论数据库进行研究，这个数据库涉及几个分歧的政治事件，包括2016年美国总统选举。
二维指数来量化科学研究的影响和范围
地址： http://arxiv.org/abs/1706.01882
作者： M. Adda-Bedia, F. Lechenault
摘要： 研究的现代管理越来越多地基于定量文献计量指标。如今，h指数是取代所有其他引文指数的研究成果的主要指标。在这方面，通过评估研究成果的不同方面来补充h指数的指标是令人信服的。作为可以从可用数据库中轻松提取的额外的文献计量来源，我们建议使用个人文章发表的不同杂志Nj的数量。我们表明Nj独立于引文数，并认为它是研究范围的相关指标，因为它量化了读者范围和科学的多学科性。结合h指数和Nj，我们定义了一个二维指数（H，M），其测量个人研究的输出（通过H）和外展（通过M）。为了探讨这一二维指标的相关性，我们分析了属于同一部门但具有不同研究主题的一组物理学家的科学生产。对文献计量资料的分析证实，这两个指标是不相关的，并且表明，尽管H可靠地排列了研究人员的影响，但M准确地排序了多学科或读者群体。我们得出结论，两个指标一起提供了更全面的研究成果，可以适用于个人，研究机构或机构。
通过parenclitic网络分析检测信用卡欺诈
地址： http://arxiv.org/abs/1706.01953
作者： Massimiliano Zanin, Miguel Romance, Santiago Moral, Regino Criado
摘要： 检测信用卡交易中的欺诈是金融研究的重大课题，具有深远的经济影响。尽管迄今为止已经通过数据分析技术解决了这一问题，与推荐系统的设计和诊断/预后医疗工具之间的相似之处表明，复杂的网络方法可能产生重要的益处。在这个贡献中，我们提出了第一个混合数据挖掘/复杂网络分类算法，能够检测真实卡交易数据集中的非法实例。它基于最近提出的网络重建算法，其允许创建一个实例与参考组的偏差的表示。我们展示如何从网络数据表示中提取的特征包含提高了基于标准神经网络的分类算法获得的分数;此外，这种组合方法在特定的业务领域如何能胜过商业欺诈检测系统。除了这些具体结果之外，这一贡献代表了一个关于如何将复杂网络和数据挖掘作为补充工具集成的新例子，前者提供了超出后者能力的数据。
计算机病毒造成的损害：一种新的估计方法
地址： http://arxiv.org/abs/1706.02035
作者： Jichao Bi, Lu-Xing Yang, Xiaofan Yang, Yingbo Wu, Yuan Yan Tang
摘要： 本文讨论了计算机病毒造成的损害估计问题。首先，导出了捕获数字病毒的扩展过程的个体级延迟SIR模型。第二，病毒造成的损害被模拟为经济损失和开发防毒软件的成本之和。接下来，通过计算机模拟研究不同因素的影响，包括延迟和网络结构对损伤的影响。因此，建议减少病毒损害的措施。据我们所知，这是在估计病毒的损害时第一次考虑到防病毒开发成本。
估计接近中心性排名的更快的方法
地址： http://arxiv.org/abs/1706.02083
作者： Akrati Saxena, Ralucca Gera, S. R. S. Iyengar
摘要： 关系中心性是测量节点在给定网络中的中心位置的一种方式。基于对整个网络的可访问性，关系中心度量度向每个节点分配中心价值。在现实生活中，我们主要依赖于其中心性价值来对节点进行排名。计算节点秩序的经典方法首先计算所有节点的接近度中心，然后比较它们以获得其等级。它的时间复杂度是$ O（n \ cdot m + n）$，其中$ n $表示节点的总数，$ m $表示网络中的边总数。在本工作中，我们提出了一种启发式方法来快速估计$ O（\ alpha \ cdot m）$时间复杂度中的节点的接近等级，其中$ \ alpha = 3 $。我们还提出使用均匀采样技术的扩展改进方法。这种方法更好地估计了排名，并且具有时间复杂度$ O（\ alpha \ cdot m）$，其中$ \ alpha \约10-100 $。这是一个比古典中心秩序方法好的改进。使用绝对和加权误差函数在现实世界无标度社交网络上验证了所提出的方法的效率。
时间事件图
地址： http://arxiv.org/abs/1706.02128
作者： Andrew Mellor
摘要： 时间网络越来越多地用于建模复杂系统的相互作用。大多数研究需要边（或事件）的时间聚合成离散的时间步骤来进行分析。在本文中，我们描述了时间网络（TEG）的静态，无损和独特的表示。 TEG根据事件间时间和两事件时间主题分布来描述时间网络。通过一致地考虑这些分布，我们提供了一种新的方法来表征个人和集体在时间网络中的行为以及提供网络的自然分解。我们通过提供合成和实时时间网络的示例来说明TEG的效用。
使用文献计量学作为衡量研究活动的工具
地址： http://arxiv.org/abs/1706.02153
作者： Edwin A. Henneken, Michael J. Kurtz
摘要： 研究活动和影响的措施已成为评估各种实体（个人研究人员，组织，工具，区域，学科）的重要组成部分。传统的文献计量指标，如基于出版物和引文的指标，提供了这张图片的重要部分，但无法描述完整的图片。由于阅读学术出版物是研究生命周期的重要组成部分，因此为了量化实体的效率，生产力和影响力，为此活动采取措施是很自然的。引文和读数是显着不同的信号，所以在一起，它们提供了更全面的研究活动。大多数学术出版物现在可以在线访问，使读书的研究及其模式成为可能。点击流日志使我们能够跟踪整个研究界的实时信息访问。出版和引文数据集只是反映作者的活动。此外，下载统计数据将有助于我们识别具有重大影响的出版物，但不会引用许多引文。点击流信号可能比引用信号更复杂。一方面，它们是不同类别读者的叠加。抓取工具的系统下载也会影响信号，浏览行为也是如此。我们讨论与点击流数据相关的复杂性，以及如何通过适当的过滤，从下载统计可以推断出统计学显着的关系和结论。我们描述如何使用下载统计来描述不同级别的聚合的研究活动，从组织到国家。这些统计数据显示与社会经济指标相关。将与传统的文献计量指标进行比较。我们会认为，天文学是更普遍的趋势的代表。
动态网络层次变化点检测
地址： http://arxiv.org/abs/1706.02186
作者： Yu Wang, Aniket Chakrabarti, David Sivakoff, Srinivasan Parthasarathy
摘要： 本文研究了具有社区结构的网络上的变化点检测。它提出了一个可以有效检测网络本地和全局变化的框架。重要的是，它可以清楚地区分两种类型的变化。框架设计是通用的，因此几种最新的变化点检测算法可以适应这种设计。合成和现实世界网络的实验表明，该框架可以准确检测变化，同时实现高达800X的加速。
大图上的归纳表示学习
地址： http://arxiv.org/abs/1706.02216
作者： William L. Hamilton, Rex Ying, Jure Leskovec
摘要： 大图中节点的低维嵌入已被证明在各种预测任务中，从内容推荐到识别蛋白质功能非常有用。然而，大多数现有的方法要求图表中的所有节点在嵌入的训练期间存在;这些以前的方法是固有的转换，并不自然地概括为看不见的节点。在这里，我们提出了GraphSAGE，一种通用的归纳框架，利用节点特征信息（例如，文本属性）来有效地生成先前不可见的数据的节点嵌入。我们不是为每个节点培训单独的嵌入，而是通过从节点的本地邻域采集和聚合特征来学习生成嵌入的函数。我们的算法在三个感应节点分类基准上优于强基准：我们根据引文和Reddit文章数据对不断发展的信息图中的未知节点进行分类，并且我们表明我们的算法概括为使用多图数据集完全不看图蛋白质 - 蛋白质相互作用。
英国大选2017：Twitter分析
地址： http://arxiv.org/abs/1706.02271
作者： Laura Cram, Clare Llewellyn, Robin Hill, Walid Magdy
摘要： 这项工作由爱丁堡大学社会政治学院和信息学院神经生物学研究实验室的研究人员编写。在本报告中，我们分析了2017年英国大选期间的社交媒体职位。我们发现，亲社会情绪主导了GE2017年期间的Twitter谈话，而且由于英国威斯敏斯特大选的性质，苏格兰国家党（SNP）也存在不成比例的存在。实质性问题在Twitter辩论中的表现不如专家和反对领导人和政党职位那么突出，而且持续不断。然而，Brexit的问题为GE2017谈话提供了一个一致的背景，并且很少在上个月排在前三名最受欢迎的主题标签之列。 Brexit一直是GE2017运动的问题，甚至超越了NHS。我们发现GE2017 Twitter辩论中的对话受到外部事件和广播媒体自上而下的引用标签的影响，通常与特定的节目和调解的政治辩论有关。像这样的Hashtags对从Twitter收集的数据的形状有重大影响，并且可能会使用简短的数据收集窗口来扭曲研究，但通常是短暂的，对Twitter对话的长期影响很小。如果现在的投票是相信的，杰里米·柯比（Jeremy Corbyn）不大可能像最初的选举所预期的一样糟糕。传统的媒体来源在这个舆论变化中缓慢上升，而这个趋势可以早在社交媒体和5月份就可以看出。
通过复合隔室模型建模流感样疾病
地址： http://arxiv.org/abs/1706.02280
作者： Nir Levy, Michael Iv, Elad Yom-Tov
摘要： 人口中病原体传播的流行病学模型通常只能描述单个病原体。这使得他们的应用在具有相似症状的多种病原体在同一群体内同时传播的情况下不切实际。在这里，我们描述了一种可以在最小条件下应用多个单应变模型的方法。因此，我们的方法提供了流行病学理论模型与数据驱动的流感病毒和其他类似病毒建模方法之间的桥梁。我们的模型将易感染 - 恢复的模型扩展到更高的维度，允许对多个病毒感染的群体进行建模。我们进一步提供一种基于SIR解决方案的可行实现过剩字典的方法，将表示群体中受感染人数的时间序列盲目划分为单个组分，每个组分代表单一病原体的影响。我们展示了我们提出的方法对Twitter数据估计的五年季节性流感样疾病（ILI）率的适用性。我们证明我们的方法平均描述了ILI时间序列的差异的44％。来自我们的模型的个体感染成分与人群中已知的病毒谱相匹配，我们证明与独立收集的流行病学资料相符。我们进一步表明，匹配组分的基本生殖数（$ R0 $）在这些病原体已知范围内。我们的研究结果表明，提出的方法可以应用于其他病原体和地理位置，提供了一种简单的方法来估计人群中流行病的参数。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。
